非常全面的Pandas入門教程

原始文章

pandas是基於NumPy的一種數據分析工具，在機器學習任務中，我們首先需要對數據進行清洗和編輯等工作，pandas庫大大簡化了我們的工作量，熟練並掌握pandas常規用法是正確構建機器學習模型的第一步。

目錄

1. 如何安裝pandas
2. 如何導入pandas庫和查詢相應的版本信息
3. pandas數據類型
4. series教程
5. dataframe教程
6. 小結

1. 如何安裝Pandas

最常用的方法是通過Anaconda安裝，在終端或命令符輸入如下命令安裝：

conda install pandas

若未安裝Anaconda，使用Python自帶的包管理工具pip來安裝：

pip install pandas

2. 如何導入pandas庫和查詢相應的版本信息

import numpy as np   # pandas和numpy常常結合在一起使用，導入numpy庫
import pandas as pd  # 導入pandas庫

print(pd.__version__) # 打印pandas版本信息

#> 0.23.4

3. pandas數據類型

pandas包含兩種數據類型：series和dataframe。
series是一種一維數據結構，每一個元素都帶有一個索引，與一維數組的含義相似，其中索引可以為數字或字符串。series結構名稱：
|索引列|數據列

 

 dataframe是一種二維數據結構，數據以表格形式（與excel類似）存儲，有對應的行和列。dataframe結構名稱：

 

 

4. series教程

1. 如何從列表，數組，字典構建series

mylist = list('abcedfghijklmnopqrstuvwxyz')   # 列表
myarr = np.arange(26)                          # 數組
mydict = dict(zip(mylist, myarr))             # 字典

# 構建方法
    ser1 = pd.Series(mylist)
    ser2 = pd.Series(myarr)
    ser3 = pd.Series(mydict)
    print(ser3.head())                 # 打印前5個數據
    
    #>  a    0
        b    1
        c    2
        d    4
        e    3
        dtype:int64

2. 如何使series的索引列轉化為dataframe的列

mylist = list('abcedfghijklmnopqrstuvwxyz')
myarr = np.arange(26)
mydict = dict(zip(mylist, myarr))
ser = pd.Series(mydict)

# series轉換為dataframe
df = ser.to_frame()
# 索引列轉換為dataframe的列

df.reset_index(inplace=True)
print(df.head())

#>      index  0
    0     a  0
    1     b  1
    2     c  2
    3     e  3
    4     d  4

3. 如何結合多個series組成dataframe

# 構建series1
ser1 = pd.Series(list('abcedfghijklmnopqrstuvwxyz')) 
# 構建series2
ser2 = pd.Series(np.arange(26))

# 方法1，axis=1表示列拼接，0表示行拼接
df = pd.concat([ser1, ser2], axis=1)

# 與方法1相比，方法2設置了列名

    df = pd.DataFrame({'col1': ser1, 'col2': ser2})
    print(df.head())
    
    #>      col1  col2
        0    a     0
        1    b     1
        2    c     2
        3    e     3
        4    d     4

4. 如何命名列索引的名稱

ser = pd.Series(list('abcedfghijklmnopqrstuvwxyz'))

\# 命名索引列名稱
ser.name = 'alphabets'
\# 顯示前5行數據

ser.head()

#>    0    a
    1    b
    2    c
    3    e
    4    d
    Name: alphabets, dtype: object

5. 如何獲得series對象A中不包含series對象B的元素

ser1 = pd.Series([1, 2, 3, 4, 5])
ser2 = pd.Series([4, 5, 6, 7, 8])

\# 返回ser1不包含ser2的布爾型series
ser3=~ser1.isin(ser2)
\# 獲取ser不包含ser2的元素

ser1[ser3]

#>    0    1
    1    2
    2    3
    dtype: int64

6. 如何獲得seriesA和seriesB不相同的項

ser1 = pd.Series([1, 2, 3, 4, 5])
ser2 = pd.Series([4, 5, 6, 7, 8])

\# 求ser1和ser2的並集
ser_u = pd.Series(np.union1d(ser1, ser2))
# 求ser1和ser2的交集
ser_i = pd.Series(np.intersect1d(ser1, ser2))
\# ser_i在ser_u的補集就是ser1和ser2不相同的項

ser_u[~ser_u.isin(ser_i)]

#>    0    1
    1    2
    2    3
    5    6
    6    7
    7    8
    dtype: int64